针对心肌梗死（myocardial infarction，MI）12导联高频心电信号（high frequency electrocardiogram，HF-ECG）全局特征聚类问题，提出了一种计算机自动聚类算法。收集MIT-BIH标准心电数据库中的健康心电信号、早期心肌梗死心电信号、急性期心肌梗死心电信号、近期心肌梗死心电信号进行处理。应用二维主分量判别法（two dimensional principal component analysis，2D-PCA）对12导联HF-ECG进行融合特征提取，并应用基于均方差属性加权的遗传模拟退火K-means改进聚类算法。与常规K-means聚类算法相比，特征值更加简单直观，所提算法平均分类精度有较大提高，能对12导联HF-ECG进行更有效的聚类。

该程序使用 FLD（Fisher 线性判别法）从人脸数据库中识别人脸。 使用Fisherface方法的图像识别是基于使用主成分分析（PCA）方法缩小人脸区域大小，然后称为Fisher线性判别分析（FDL）方法或线性判别分析（LDA）方法来获取图像特征。

时间相关单光子计数型激光雷达距离判别法

没啥好解释的，就放个代码和运行结果吧 #数据准备 x1<-c(3,3,2,3,3,3,3,3,2,2,1,3,2,1,2,2,2,3,3,2,2,2,2,2) x2<-c(28,45,55,55,50,70,75,80,50,35,40,50,35,50,40,45,25,40,50,70,70,45,25,25) x3<-c(2,2,3,3,2,3,3,3,3,1,2,2,2,2,2,2,1,2,3,3,3,2,1,1) x4<-c(10.4,22,16,14.5,17.5,16.7,12.7,20.2,13.5,18.2,25,15.4,26,22.5,16.5, 16.4,30,17

多元统计分析课程设计 Fisher判别法的应用

fisher判别法 本实验通过编制程序体会Fisher线性判别的基本思路，理解线性判别的基本思想，掌握Fisher线性判别问题的实质。

基于K-均值聚类法和Fisher判别法对城镇居民可支配收入的分析.pdf

本方法适用于任意分布的样本数据,能利用更多的因子信息且具有处理模糊信息的能力,可作趋势及定值预报.比通常的逐步判别法适用范围更广,效果更好.

距离判别法以及fisher判别法等的讲解与程序实现（matlab)

针对电力电子电路模型具有非线性，进行故障诊断比较困难这一问题，提出了一种基于高阶累积量与Fisher判别法的故障诊断方法。首先，利用高阶累积量（HOC）对电路可测点的响应信息进行处理，将处理得到的峰度和陡度作为故障的特征向量。再利用Fisher判别分析法对故障进行模式分类，得到最终的模式识别结果。所选实例证明了高阶累积量构造的特征向量可以区分各种故障模式，Fisher判别分析法识别故障的准确率很高。